នៅពេលដែលពិភពលោកប្រញាប់ប្រញាល់ក្នុងការប្រើប្រាស់រលកចុងក្រោយនៃបច្ចេកវិទ្យា AI មួយផ្នែកនៃផ្នែករឹងបច្ចេកវិទ្យាខ្ពស់បានក្លាយទៅជាទំនិញដ៏ក្តៅគគុកដ៏គួរឱ្យភ្ញាក់ផ្អើល៖ អង្គភាពដំណើរការក្រាហ្វិក ឬ GPU ។

GPU កំពូលនៃបន្ទាត់អាចលក់សម្រាប់ រាប់ម៉ឺនដុល្លារហើយក្រុមហ៊ុនផលិតឈានមុខគេ Nvidia បានមើលឃើញការវាយតម្លៃទីផ្សាររបស់ខ្លួន។ កើនលើស 2 ពាន់ពាន់លានដុល្លារ ដោយសារតម្រូវការផលិតផលរបស់ខ្លួនកើនឡើង។

GPU មិនត្រឹមតែជាផលិតផល AI កម្រិតខ្ពស់ប៉ុណ្ណោះទេ។ មាន GPU ដែលមានឥទ្ធិពលតិចជាងនៅក្នុងទូរស័ព្ទ កុំព្យូទ័រយួរដៃ និងឧបករណ៍លេងហ្គេមផងដែរ។

មកដល់ពេលនេះ អ្នកប្រហែលជាឆ្ងល់ថា តើ GPU ជាអ្វី? ហើយអ្វីដែលធ្វើឱ្យពួកគេពិសេស?

តើ GPU ជាអ្វី?

GPUs ត្រូវ​បាន​រចនា​ដំបូង​ជា​ចម្បង​ដើម្បី​បង្កើត និង​បង្ហាញ​ឈុត និង​វត្ថុ 3D យ៉ាង​រហ័ស​ដូចជា​អ្នក​ពាក់ព័ន្ធ​នឹង​ហ្គេម​វីដេអូ និង ការរចនាជំនួយដោយកុំព្យូទ័រ កម្មវិធី។ GPUs ទំនើបក៏ដោះស្រាយភារកិច្ចដូចជា ធ្លាក់ទឹកចិត្ត ការផ្សាយវីដេអូ។

"ខួរក្បាល" នៃកុំព្យូទ័រភាគច្រើនគឺជាបន្ទះឈីបដែលហៅថា អង្គភាពដំណើរការកណ្តាល (CPU)។ ស៊ីភីយូ​អាច​ត្រូវ​បាន​ប្រើ​ដើម្បី​បង្កើត​ឈុត​ក្រាហ្វិក និង​បង្រួម​វីដេអូ ប៉ុន្តែ​ជាធម្មតា​ពួកវា​មាន​ល្បឿន​យឺត​ជាង និង​មិនសូវ​មាន​ប្រសិទ្ធភាព​ក្នុង​កិច្ចការ​ទាំងនេះ​បើ​ធៀប​នឹង GPUs ។ ស៊ីភីយូគឺស័ក្តិសមជាងសម្រាប់កិច្ចការគណនាទូទៅ ដូចជាការដំណើរការពាក្យ និងការរុករកគេហទំព័រ។

តើ GPUs ខុសពី CPU យ៉ាងដូចម្តេច?

ស៊ីភីយូទំនើបធម្មតាត្រូវបានបង្កើតឡើងពី 8 ទៅ 16 "ស្នូល” ដែលនីមួយៗអាចដំណើរការកិច្ចការស្មុគស្មាញតាមលំដាប់លំដោយ។

ម្យ៉ាងវិញទៀត GPUs មានស្នូលតូចៗរាប់ពាន់ ដែលត្រូវបានរចនាឡើងសម្រាប់ដំណើរការទាំងអស់ក្នុងពេលតែមួយ ("ស្របគ្នា") ដើម្បីសម្រេចបាននូវដំណើរការទាំងមូលលឿន។ នេះធ្វើឱ្យពួកគេស័ក្តិសមសម្រាប់កិច្ចការដែលតម្រូវឱ្យមានប្រតិបត្តិការសាមញ្ញមួយចំនួនធំដែលអាចធ្វើបានក្នុងពេលតែមួយ ជាជាងមួយបន្ទាប់ពីមួយផ្សេងទៀត។

GPU ប្រពៃណីមានពីររសជាតិសំខាន់ៗ។

ទីមួយ មានបន្ទះឈីបដាច់ដោយឡែក ដែលជារឿយៗមាននៅក្នុងកាតបន្ថែមសម្រាប់កុំព្យូទ័រលើតុធំៗ។ ទីពីរគឺ GPUs រួមបញ្ចូលគ្នាជាមួយ CPU នៅក្នុងកញ្ចប់បន្ទះឈីបដូចគ្នា ដែលជារឿយៗត្រូវបានរកឃើញនៅក្នុងកុំព្យូទ័រយួរដៃ និងហ្គេមដូចជា PlayStation 5។ ក្នុងករណីទាំងពីរ CPU គ្រប់គ្រងអ្វីដែល GPU ធ្វើ។

ហេតុអ្វីបានជា GPUs មានប្រយោជន៍ខ្លាំងសម្រាប់ AI?

វាប្រែថា GPUs អាចត្រូវបានគេប្រើប្រាស់ឡើងវិញដើម្បីធ្វើលើសពីការបង្កើតឈុតក្រាហ្វិក។

បច្ចេកទេសរៀនម៉ាស៊ីនជាច្រើននៅពីក្រោយ ក្លែងបន្លំ, ដូចជា បណ្តាញសរសៃប្រសាទជ្រៅពឹងផ្អែកយ៉ាងខ្លាំងលើទម្រង់ផ្សេងៗនៃគុណម៉ាទ្រីស។

នេះ​ជា​ប្រតិបត្តិការ​គណិតវិទ្យា​ដែល​សំណុំ​លេខ​ធំ​ខ្លាំង​ត្រូវ​បាន​គុណ​និង​បូក​បញ្ចូល​គ្នា។ ប្រតិបត្តិការទាំងនេះគឺស័ក្តិសមទៅនឹងដំណើរការប៉ារ៉ាឡែល ដូច្នេះហើយអាចដំណើរការបានយ៉ាងលឿនដោយ GPUs ។

តើអ្វីជាបន្ទាប់សម្រាប់ GPUs?

សមត្ថភាពខ្លាំងនៃ GPUs កំពុងតែកើនឡើងជាលំដាប់ ដោយសារតែការកើនឡើងនៃចំនួនស្នូល និងល្បឿនប្រតិបត្តិការរបស់វា។ ការកែលម្អទាំងនេះត្រូវបានជំរុញជាចម្បងដោយការធ្វើឱ្យប្រសើរឡើងនៅក្នុងការផលិតបន្ទះឈីបដោយក្រុមហ៊ុនដូចជា TSMC នៅតៃវ៉ាន់។

ទំហំនៃត្រង់ស៊ីស្ទ័រនីមួយៗ - សមាសធាតុជាមូលដ្ឋាននៃបន្ទះឈីបកុំព្យូទ័រណាមួយ - កំពុងថយចុះ ដែលអនុញ្ញាតឱ្យត្រង់ស៊ីស្ទ័រកាន់តែច្រើនត្រូវបានដាក់ក្នុងបរិមាណដូចគ្នានៃទំហំរាងកាយ។

ទោះយ៉ាងណាក៏ដោយ នោះមិនមែនជារឿងទាំងមូលទេ។ ខណៈពេលដែល GPUs ប្រពៃណីមានប្រយោជន៍សម្រាប់កិច្ចការគណនាដែលទាក់ទងនឹង AI វាមិនល្អបំផុតនោះទេ។

ដូច GPUs ត្រូវបានរចនាឡើងដំបូងដើម្បីបង្កើនល្បឿនកុំព្យូទ័រដោយផ្តល់នូវដំណើរការពិសេសសម្រាប់ក្រាហ្វិក មានឧបករណ៍បង្កើនល្បឿនដែលត្រូវបានរចនាឡើងដើម្បីបង្កើនល្បឿនការងាររៀនម៉ាស៊ីន។ ឧបករណ៍បង្កើនល្បឿនទាំងនេះត្រូវបានសំដៅជាញឹកញាប់ថាជាមជ្ឈមណ្ឌលទិន្នន័យ GPUs ។

ឧបករណ៍បង្កើនល្បឿនដែលពេញនិយមបំផុតមួយចំនួនដែលផលិតដោយក្រុមហ៊ុនដូចជា AMD និង Nvidia បានចាប់ផ្តើមជា GPU ប្រពៃណី។ យូរ ៗ ទៅការរចនារបស់ពួកគេបានវិវឌ្ឍន៍ដើម្បីគ្រប់គ្រងភារកិច្ចរៀនម៉ាស៊ីនផ្សេងៗបានប្រសើរជាងមុនឧទាហរណ៍ដោយគាំទ្រ "ប្រសិទ្ធភាព"ខួរក្បាលអណ្តែត"ទម្រង់លេខ។

ឧបករណ៍បង្កើនល្បឿនផ្សេងទៀតដូចជា Google ជាដើម។ ឯកតាដំណើរការ tensor និង Tenstorrent ស្នូលដប់ប្រាំមួយ។ត្រូវបានរចនាឡើងពីមូលដ្ឋានឡើងដើម្បីបង្កើនល្បឿនបណ្តាញសរសៃប្រសាទជ្រៅ។

GPUs មជ្ឈមណ្ឌលទិន្នន័យ និងឧបករណ៍បង្កើនល្បឿន AI ផ្សេងទៀតជាធម្មតាមកជាមួយអង្គចងចាំច្រើនជាងកាតបន្ថែម GPU ប្រពៃណី ដែលមានសារៈសំខាន់សម្រាប់ការបណ្តុះបណ្តាលម៉ូដែល AI ធំ។ ម៉ូដែល AI កាន់តែធំ វាកាន់តែមានសមត្ថភាព និងភាពត្រឹមត្រូវ។

ដើម្បីបង្កើនល្បឿនការបណ្តុះបណ្តាល និងដោះស្រាយសូម្បីតែម៉ូដែល AI ធំជាង ដូចជា ChatGPT មជ្ឈមណ្ឌលទិន្នន័យ GPU ជាច្រើនអាចត្រូវបានបញ្ចូលគ្នាដើម្បីបង្កើតជាកុំព្យូទ័រទំនើបមួយ។ នេះតម្រូវឱ្យមានកម្មវិធីស្មុគស្មាញបន្ថែមទៀតដើម្បីប្រើប្រាស់ថាមពលបំបែកលេខដែលមានឱ្យបានត្រឹមត្រូវ។ វិធីសាស្រ្តមួយទៀតគឺ បង្កើតឧបករណ៍បង្កើនល្បឿនធំតែមួយដូចជា "ម៉ាស៊ីនដំណើរការខ្នាត waferផលិតដោយ Cerebras ។

តើបន្ទះសៀគ្វីពិសេសនាពេលអនាគត?

ស៊ីភីយូក៏មិននៅស្ងៀមដែរ។ ស៊ីភីយូថ្មីៗពី AMD និង Intel មានការណែនាំកម្រិតទាបដែលបង្កើនល្បឿនការបំបែកលេខដែលត្រូវការដោយបណ្តាញសរសៃប្រសាទជ្រៅ។ មុខងារបន្ថែមនេះជួយជាចម្បងជាមួយនឹងកិច្ចការ "ការសន្និដ្ឋាន" ពោលគឺការប្រើប្រាស់គំរូ AI ដែលត្រូវបានអភិវឌ្ឍរួចហើយនៅកន្លែងផ្សេង។

ដើម្បីបណ្តុះបណ្តាលម៉ូដែល AI ជាដំបូង ឧបករណ៍បង្កើនល្បឿនដូច GPU ធំនៅតែត្រូវការ។

វាអាចធ្វើទៅបានដើម្បីបង្កើតឧបករណ៍បង្កើនល្បឿនដែលមានឯកទេសបន្ថែមទៀតសម្រាប់ក្បួនដោះស្រាយការរៀនម៉ាស៊ីនជាក់លាក់។ ជាឧទាហរណ៍ថ្មីៗនេះ ក្រុមហ៊ុនមួយឈ្មោះថា Groq បានបង្កើត "អង្គភាពដំណើរការភាសា” (LPU) ដែលត្រូវបានរចនាឡើងជាពិសេសសម្រាប់ដំណើរការគំរូភាសាធំ ៗ តាមបន្ទាត់នៃ ChatGPT ។

ទោះជាយ៉ាងណាក៏ដោយ ការបង្កើតប្រព័ន្ធដំណើរការឯកទេសទាំងនេះត្រូវការធនធានវិស្វកម្មយ៉ាងច្រើន។ ប្រវត្តិបង្ហាញពីការប្រើប្រាស់ និងប្រជាប្រិយភាពនៃក្បួនដោះស្រាយការរៀនម៉ាស៊ីនដែលបានផ្តល់ឱ្យណាមួយមាននិន្នាការឈានដល់កម្រិតកំពូល ហើយបន្ទាប់មកធ្លាក់ចុះ—ដូច្នេះផ្នែករឹងឯកទេសមានតម្លៃថ្លៃអាចនឹងហួសសម័យយ៉ាងឆាប់រហ័ស។

ទោះយ៉ាងណាក៏ដោយ សម្រាប់អ្នកប្រើប្រាស់ជាមធ្យម វាទំនងជាមិនមានបញ្ហាទេ។ GPUs និងបន្ទះឈីបផ្សេងទៀតនៅក្នុងផលិតផលដែលអ្នកប្រើទំនងជានឹងបន្តដំណើរការលឿនជាងមុនដោយស្ងាត់ស្ងៀម។

អត្ថបទនេះត្រូវបានបោះពុម្ពឡើងវិញពី ការ​សន្ទនា ក្រោមអាជ្ញាប័ណ្ណ Creative Commons ។ អាន អត្ថបទដើម.

ឥណទានរូបភាព: nvidia បាន

• SEO ដែលដំណើរការដោយមាតិកា និងការចែកចាយ PR ។ ទទួលបានការពង្រីកថ្ងៃនេះ។
• PlatoData.Network Vertical Generative Ai. ផ្តល់អំណាចដល់ខ្លួនអ្នក។ ចូលប្រើទីនេះ។
• PlatoAiStream Web3 Intelligence ។ ចំណេះដឹងត្រូវបានពង្រីក។ ចូលប្រើទីនេះ។
• ផ្លាតូអេសជី។ កាបូន CleanTech, ថាមពល, បរិស្ថាន, ពន្លឺព្រះអាទិត្យ ការគ្រប់គ្រងកាកសំណល់។ ចូលប្រើទីនេះ។
• ផ្លាតូសុខភាព។ ជីវបច្ចេកវិទ្យា និង ភាពវៃឆ្លាត សាកល្បងគ្លីនិក។ ចូលប្រើទីនេះ។
• ប្រភព: https://singularityhub.com/2024/03/13/what-is-a-gpu-the-chips-powering-the-ai-boom-and-why-theyre-worth-trillions/